Evaluating the role of data quality when sharing information in hierarchical multistock assessment models, with an application to Dover sole

An emerging approach to data-limited fisheries stock assessment uses hierarchical multistock assessment models to group stocks together, sharing information from data-rich to data-poor stocks. In this paper, we simulate data-rich and data-poor fishery and survey data scenarios for a complex of Dover sole (Microstomus pacificus) stocks. Simulated data for individual stocks were used to compare estimation performance for single-stock and hierarchical multistock versions of a Schaefer production model. The single-stock and best-performing multistock models were then used in stock assessments for the real Dover sole data. Multistock models often had lower estimation errors than single-stock models when assessment data had low statistical power. Relative errors for productivity and relative biomass parameters were lower for multistock assessment model configurations. In addition, multistock models that estimated hierarchical priors for survey catchability performed the best under data-poor scenarios. We conclude that hierarchical multistock assessment models are useful for data-limited stocks and could provide a more flexible alternative to data pooling and catch-only methods; however, these models are subject to nonlinear side effects of parameter shrinkage. Therefore, we recommend testing hierarchical multistock models in closed-loop simulations before application to real fishery management systems. Une nouvelle approche d'evaluation des stocks de peches pour lesquels les donnees sont limitees fait appel a des modeles hierarchiques d'evaluation de stocks multiples pour regrouper les stocks, en utilisant de l'information sur des stocks riches en donnees pour des stocks pauvres en donnees. Nous simulons des scenarios riches et pauvres en donnees pour un complexe de limandes-soles (Microstomus pacificus). Les donnees simulees pour les differents stocks sont utilisees pour comparer la performance des estimations pour des configurations de modeles de production de Schaefer a stock unique et a stocks multiples hierarchiques. Les modeles a stock unique et les modeles a stocks multiples les plus performants sont ensuite utilises dans des evaluations de stocks basees sur les vraies donnees sur les limandes-soles. Les modeles a stocks multiples presentent souvent des erreurs d'estimation plus faibles que les modeles a stock unique quand les donnees d'evaluation sont de pietre qualite. Les erreurs relatives pour les parametres de productivite et de biomasse relative sont plus faibles pour les modeles d'evaluation de stocks multiples, et les modeles a stocks multiples qui estiment des parametres a priori pour la capturabilite offrent la meilleure performance dans des scenarios pauvres en donnees. Nous concluons que les modeles hierarchiques d'evaluation de stocks multiples sont utiles pour les stocks pauvres en donnees et pourraient constituer une solution de rechange plus souple aux methodes de groupage de donnees et aux methodes basees uniquement sur les prises; ces modeles peuvent toutefois etre associes a des effets secondaires non lineaires de retrecissement. Nous recommandons donc la mise a l'essai de modeles hierarchiques a stocks multiples dans des simulations en boucle fermee avant de les appliquer a de vrais systemes de gestion des peches. [Traduit par la Redaction]
Introduction Fisheries stock assessment modeling uses catch and abundance monitoring data to estimate the status and productivity of exploited fish stocks (Hilborn 1979). Despite improvements in catch monitoring and increasing [...]